多标签分类
多标签分类的相关文献在2007年到2022年内共计530篇,主要集中在自动化技术、计算机技术、电工技术、信息与知识传播
等领域,其中期刊论文218篇、会议论文4篇、专利文献118810篇;相关期刊131种,包括四川大学学报(工程科学版)、中国图象图形学报、生命科学仪器等;
相关会议4种,包括第四届高分辨率对地观测学术年会、第十七届全国容错计算学术会议、中国教育和科研计算机网CERNET第二十四届学术年会等;多标签分类的相关文献由1437位作者贡献,包括陈刚、付忠良、寿黎但等。
多标签分类—发文量
专利文献>
论文:118810篇
占比:99.81%
总计:119032篇
多标签分类
-研究学者
- 陈刚
- 付忠良
- 寿黎但
- 陈珂
- 井佩光
- 王莉莉
- 苏育挺
- 张珣
- 王皓波
- 胡天磊
- 丁家满
- 张丹普
- 李芳芳
- 聂煜
- 谌晨
- 陈先来
- 龙军
- 乔亚琴
- 冯筠
- 刘华文
- 刘斌
- 刘波
- 卢一相
- 吴开舜
- 和超
- 孙冬
- 孙霞
- 廖祥文
- 张振海
- 张莹
- 徐增林
- 惠战伟
- 李亚乾
- 李兆玉
- 李士宁
- 李强
- 李德玉
- 李志刚
- 李磊
- 李辉
- 杨岚雁
- 温雯
- 王丽娟
- 王伟
- 王磊
- 王纪超
- 王进
- 王进华
- 王鑫
- 肖燕珊
-
-
刘峰硕;
王志芳;
薛靖峰
-
-
摘要:
文章爬取青岛市领导留言板网站的居民留言进行分析,首先对数据进行预处理并建立多标签分类模型,达到一级指标建立分类的目的;其次,利用F-score法对一级指标进行评价,得到一级指标的F分类均值为87.32%>85%,说明所建立的一级标签分类模型质量高,适用效果好;最后,针对青岛市民意列出标签,给政府相关部门提出建议,以此提高青岛的建设水平.
-
-
杨通超;
唐向红
-
-
摘要:
涉毒案件法条预测任务存在案情复杂度高、案件与案件之间相似度大等难点,传统方法大多集中于对案情的语义学习,而忽略了法条知识的作用,导致法条预测性能不佳。因此,基于KG-BERT算法提出改进后的KG-Law⁃former算法。改进后的算法可同时学习案情知识和法条知识,并通过法条知识更好地指导预测。实验结果证明,该方法在宏F1值上较传统方法提升了10%~30%,达到79%,并在准确率Acc、宏精确率MP和宏召回率MR等指标上均有一定提升,证明了在法条预测中融入法条知识可以提高预测性能。
-
-
刘云;
肖添;
肖雪
-
-
摘要:
多标签学习是分类任务中一个重要研究方向,如何保证高分类精度是关键要素。论文提出基于相似度的多标签分类算法SMLC。该算法首先构建实例相似度函数,再采用并行计算方式算出相似值,最后通过加权计算类标签集合权重或者学习阈值方法预测类标签集合。仿真结果表明,与RankSVM、ML-KNN算法对比,SMLC在多标签分类任务的多个指标上表现更优。
-
-
刘江舟;
段立
-
-
摘要:
针对现有网络安全文本按照主题分类,导致主题之间联系不紧密,文本资源缺乏系统性的问题。论文提出在网络安全知识体系下,按照知识点对文本进行分类。同时,提出Albert-TextCNN模型进行知识点提取,使用Albert模型提取输入文本的词向量,在减小参数量的前提下,输出了包含丰富语义的词向量,并使用TextCNN进一步提取词向量的局部语义特征,最后辅以网络安全知识体系,根据知识点标签之间的包含关系,进一步提升了模型性能。实验结果表明,该模型各项指标均高于实现了同类型单个模型的性能。
-
-
吕学强;
彭郴;
张乐;
董志安;
游新冬
-
-
摘要:
多标签文本分类(MLTC)是自然语言处理(NLP)领域的重要子课题之一。针对多个标签之间存在复杂关联性的问题,提出了一种融合BERT与标签语义注意力的MLTC方法TLA-BERT。首先,通过对自编码预训练模型进行微调,从而学习输入文本的上下文向量表示;然后,使用长短期记忆(LSTM)神经网络将标签进行单独编码;最后,利用注意力机制显性突出文本对每个标签的贡献,以预测多标签序列。实验结果表明,与基于序列生成模型(SGM)算法相比,所提出的方法在AAPD与RCV1-v2公开数据集上,F1值分别提高了2.8个百分点与1.5个百分点。
-
-
葛文翰;
王俊峰;
唐宾徽;
于忠坤;
陈柏翰;
余坚
-
-
摘要:
网络威胁情报(Cyber Threat Intelligence, CTI)的技战术(Tactics, Techniques and Procedures, TTPs)分析能够为网络攻击事件提供全局视图,并揭示系统弱项,是网络攻击溯源的关键技术.现有分类TTPs方案面向抽象语言环境效果较差且不平均.本文提出一种基于关联增强的多标签深度学习模型RENet,通过使用结合上下文信息和多词语义的多标签分类器对战术和技术进行分类,并通过技战术条件转移矩阵将原有战术的分类结果转移到技术中增强技术分类.实验表明,RENet比其他分类模型有更精确的技战术分类效果与更快的收敛速度.在英文数据集上,RENet对技术和战术分类的F;分数比现有最好的模型分别提高4.62%和0.78%,在中文数据集上提高3.95%和3.77%.
-
-
宋铁维;
施伟锋;
毕宗;
谢嘉令
-
-
摘要:
为实现船舶电力系统电能质量扰动准确识别,结合深度学习提出基于二维残差网络(2D-ResNet)的电能质量扰动识别方法。首先将电能质量一维时间序列通过距离矩阵转化为二维平面图,随后将图像送入所提二维残差网络中提取特征。最终输出特征图通过线性层分类器得到识别结果,实现船舶电力系统电能质量扰动的在线识别。与现有特征提取方法相比,不同信噪比下该方法扰动识别准确率均最高。信噪比为20 dB时,单标签分类平均准确率为93.86%,多标签分类平均F_(1)-score为96.52%,证明了2D-ResNet能有效提取扰动特征且对噪声具备鲁棒性。对于未知复合扰动,单标签分类器识别失败,而多标签分类器准确识别出扰动中的未知成分,且F_(1)-score达到93%,证明了多标签分类适用于未知复合扰动识别。
-
-
李悦;
汤鲲
-
-
摘要:
多标签文本分类现在已经成为自然语言处理中的核心任务之一,它的目的是从多个候选标签中使用最相关的标签来注释文档。该文的研究是在文本分类的基础上,以TextCNN神经网络作为基础分类框架,介绍了在自建数据集上进行基于改进的TextCNN的多标签分类任务。通过爬虫来获取全国各个地市的政策文本数据,构建了一个全新的政策类数据集,对数据进行预处理,利用改进后的TextCNN神经网络来训练模型对数据进行多标签分类,经过实验对比测试,改进后的TextCNN结合百度百科词向量在自建数据集上达到了较好的分类效果。
-
-
任炜;
白鹤翔
-
-
摘要:
针对多标签图像分类任务中存在的难以对标签间的相互作用建模和全局标签关系固化的问题,结合自注意力机制和知识蒸馏(KD)方法,提出了一种基于全局与局部标签关系的多标签图像分类方法(ML-GLLR)。首先,局部标签关系(LLR)模型使用卷积神经网络(CNN)、语义模块和双层自注意力(DLSA)模块对局部标签关系建模;然后,利用KD方法使LLR学习全局标签关系。在公开数据集MSCOCO2014和VOC2007上进行实验,LLR相较于基于图卷积神经网络多标签图像分类(ML-GCN)方法,在平均精度均值(mAP)上分别提高了0.8个百分点和0.6个百分点,MLGLLR相较于LLR在mAP上分别进一步提高了0.2个百分点和1.3个百分点。实验结果表明,所提ML-GLLR不仅能对标签间的相互关系进行建模,也能避免全局标签关系固化的问题。
-
-
宋泽宇;
李旸;
李德玉;
王素格
-
-
摘要:
随着大数据技术的快速发展,多标签文本分类在司法领域也催生出诸多应用.在法律文本中通常存在多个要素标签,标签之间往往具有相互依赖性或相关性,准确识别这些标签需要多标签分类方法的支持.因此,文中提出融合标签关系的法律文本多标签分类方法.方法构建标签的共现矩阵,利用图卷积网络捕捉标签之间的依赖关系,并结合标签注意力机制,计算法律文本和标签每个词的相关程度,得到特定标签的法律文本语义表示.最后,融合标签图构建的依赖关系和特定标签的法律文本语义表示,对文本进行综合表示,实现文本的多标签分类.在法律数据集上的实验表明,文中方法获得较好的分类精度和稳定性.
-
-
Wang Zhi;
王植;
Sun Lin;
孙林;
Gu Wenjian;
顾文剑;
Chen Dajun;
陈炟君;
Dong Bin;
董斌
- 《第四届高分辨率对地观测学术年会》
| 2017年
-
摘要:
每一分钟世界失去48个足球场的原始森林,为了遏止破坏原始森林的行为,统计人类在森林地区的活动痕迹尤为重要,其困难之处在于森林地区遥感影像中地物交错,而且气象特征难以用区域分割方式表达.本文针对高分遥感影像多标签分类问题,提出一种基于卷积神经网络将多标签分类问题转化为多类分类问题的方法,用sigmoid激活函数替代多类分类中的softmax激活函数,用阈值搜索函数求得二分类的自适应阈值,相比手动提取特征的XGBoost方法和OVR方法的F2值(召回率和准度的调和平均数的变体,权重为2)高出0.03到0.05.试验中基于八万平方米森林地区的3米分辨率红、绿、蓝、近红外四波段卫星遥感影像,进行了包括树木、云、居民区、道路、水体等17类多标签分类研究.实验结果表明,本文提出的sigmoid激活函数结合阈值搜索的方法可以有效的提高多标签分类的性能,该研究将有助于进行高分影像场景理解,更精准地发现原始森林砍伐行为.
-
-
Deng Sanhong;
邓三鸿;
Fu Yuyangzi;
傅余洋子;
Wang Hao;
王昊
- 《首届数据分析与知识发现学术研讨会》
| 2017年
-
摘要:
目的:利用LSTM模型和字嵌入的方法构建分类系统,提出一种中文图书分类中多标签分类的解决方案.方法:引入深度学习算法,利用字嵌入方法和LSTM模型构建分类系统,对题名、主题词等字段组成的字符串进行学习以训练模型,并采用构建多个二元分类器的方法解决多标签分类问题,选择3所高校5个类别的书目数据进行实验.结果:从整体准确率、各类别精度、召回率、F1值多个指标进行分析,本文提出的模型均有良好表现,有较强的实际应用价值.局限:数据仅涉及中图分类法5个类别,考虑的分类粒度较粗等.结论:基于LSTM模型的中文图书分类系统具有预处理简单、增量学习、可迁移性高等优点,具备可行性和实用性.
-
-
Kaishun Wu;
吴开舜;
Song Huang;
黄松;
Zhanwei Hui;
惠战伟;
Jinhua Wang;
王进华
- 《第十七届全国容错计算学术会议》
-
摘要:
使用测试管理工具能有效控制软件测试过程,但缺少对测试人员的监控,难以准确地分析测试的执行过程.为此,提出一种基于测试人员操作记录的分层框架(OESC框架),依据测试人员的行为粒度划分为操作层、事件层、语义层、概述层,其中操作层和事件层已有工具进行记录,语义层和概述层是基于操作层和事件层内容,通过特征提取技术和多标签分类技术得到.实验结果表明,该框架对被测件性能影响极小,能有效地监控测试人员行为过程,有助于帮助分析测试过程,能弥补现有的测试管理工具在对测试人员监控上的不足.
-